@misc{eprints60476,
           title = {ANALISIS KLASTER MENGGUNAKAN METODE FUZZY C-MEANS

PADA DATA COVID-19 DI PROVINSI LAMPUNG},
          author = {	1717031078 INDAH SUCIATI},
         address = {UNIVERSITAS LAMPUNG},
       publisher = {FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM},
            year = {2021},
             url = {http://digilib.unila.ac.id/60476/},
        abstract = {ABSTRACT

CLUSTER ANALYSIS USING THE FUZZY C-MEANS METHOD ON

COVID-19 DATA IN LAMPUNG PROVINCE

By

INDAH SUCIATI

Currently, COVID-19 has spread to various countries, one of which is Indonesia,
where Lampung Province is one of the provinces in Indonesia affected by
COVID-19. Cluster analysis is a tool for grouping a number of n objects based on
p variables that have similar characteristics among these objects, so that the
diversity within a cluster is smaller than the diversity between clusters. The
purpose of this study is to cluster districts/cities based on positive cases, dead
cases, and recovered cases on COVID-19 data in Lampung Province for a period
of 6 months (March 2020-August 2020 and September 2020-February 2021) and
a period of 12 months (March 2020-February 2021) using the fuzzy c-means
method. In this study, the partition coefficient index is used to evaluate the
optimal number of clusters, so that the best cluster results will be obtained for
COVID-19 data in Lampung Province, then see if there is a shift in cluster results
in the first 6 months and the last 6 months. The results obtained in this study are
the number of clusters 2 is the optimal number of clusters for clustering each
COVID-19 data in Lampung Province with the best cluster results in each data
producing the same clustering, where Bandar Lampung City is a district/city in
Lampung Province that is included in the high cluster, while for other
districts/cities is included in the low cluster. In addition, it was found that there
was no shift of cluster results in the COVID-19 data in Lampung Province for the
first 6 months (March 2020-August 2020) and the last 6 months (September 2020-
February 2021).
Key words: cluster analysis, fuzzy c-means method, partition coefficient index

ABSTRAK

ANALISIS KLASTER MENGGUNAKAN METODE FUZZY C-MEANS

PADA DATA COVID-19 DI PROVINSI LAMPUNG

Oleh

INDAH SUCIATI

Saat ini, COVID-19 telah tersebar ke berbagai negara salah satunya yaitu Negara
Indonesia, dimana Provinsi Lampung merupakan salah satu provinsi di Negara
Indonesia yang terdampak COVID-19. Analisis klaster adalah suatu alat untuk
mengelompokkan sejumlah n objek berdasarkan p variabel yang mempunyai
kesamaan karakteristik diantara objek-objek tersebut, sehingga keragaman dalam
suatu klaster tersebut lebih kecil dibandingkan dengan keragaman antar klaster.
Tujuan penelitian ini yaitu melakukan pengklasteran kabupaten/kota berdasarkan
kasus positif, kasus meninggal, dan kasus sembuh pada data COVID-19 di
Provinsi Lampung kurun waktu 6 bulan (Maret 2020-Agustus 2020 dan
September 2020-Februari 2021) serta kurun waktu 12 bulan (Maret 2020-Februari
2021) menggunakan metode fuzzy c-means. Dalam penelitian ini digunakan
partition coefficient index untuk mengevaluasi jumlah klaster optimal, sehingga
akan diperoleh hasil klaster terbaik untuk data COVID-19 di Provinsi Lampung,
kemudian melihat apakah terjadi perpindahan hasil klaster dalam kurun waktu 6
bulan pertama dan 6 bulan terakhir. Hasil yang diperoleh pada penelitian ini yaitu
jumlah klaster 2 merupakan jumlah klaster yang optimal untuk pengklasteran
setiap data COVID-19 di Provinsi Lampung dengan hasil klaster terbaik pada
setiap data menghasilkan klasterisasi yang sama, dimana Kota Bandar Lampung
merupakan kabupaten/kota di Provinsi Lampung yang masuk ke dalam klaster
tinggi, sedangkan untuk kabupaten/kota lainnya masuk ke dalam klaster rendah.
Selain itu, diperoleh hasil bahwa tidak terdapat perpindahan hasil klaster pada
data COVID-19 di Provinsi Lampung kurun waktu 6 bulan pertama (Maret 2020-
Agustus 2020) dan 6 bulan terakhir (September 2020-Februari 2021).
Kata Kunci: analisis klaster, fuzzy c-means, partition coefficient index}
}